阿里巴巴
达摩院-芯片性能架构师-计算技术
达摩院-芯片性能架构师-计算技术
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公芯片设计
芯片设计
Gem5
Gpu/Npu架构
Pytorch
Sst
Vllm
性能建模
生成式Ai
芯片微架构
Maestro
值不值得投
80综合评分
综合评分 80
核心AI芯片架构岗，技术前沿且成长空间巨大，薪资竞争力强，但工作强度可能较高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
6万
比芯片设计中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3080 个在招 · 其中芯片设计 约 130 个
市场机会
选择面较广
杭州 · 芯片设计 · 58 个在招
职位详情
关于这个职位
该职位主要负责生成式AI模型在各类硬件架构上的性能分析与瓶颈评估，并据此设计关键硬件模块架构及构建高精度仿真器
你将通过架构探索为AI芯片的硬件设计提供理论依据，是连接AI算法与底层硬件的核心桥梁
最低要求
具备计算机系统、芯片微架构（尤其是GPU/NPU）等领域的丰富知识
有较强的编程能力、脚本和数据总结分析能力
良好的英语听说读写能力
有上进心、团队合作精神和良好的沟通能力
工作职责
对当前流行的生成式AI模型，如GPT-3，LLaMA，Qwen，stable diffusion等模型进行应用分析，评估模型在不同硬件架构（CPU/GPU/NPU）上的性能瓶颈，分析内存占用等
针对应用分析结果设计关键硬件模块的架构，包括数据通路，控制逻辑，计算/访存接口等
构建高精度的硬件架构的仿真器和性能、面积、功耗模型
依据仿真器和模型的结果做架构探索，为硬件架构设计提供理论依据
优先资格
熟悉芯片性能分析方法，对仿真器（如Gem5、SST等）和NPU性能建模（Timeloop、Maestro等）、基准测试方法熟悉者优先
熟悉深度学习框架，如pytorch、HuggingFace等，了解流行的大语言模型框架，如vLLM、LightLLM者优先
AI 洞察
优缺点分析
优点
- 处于AI大模型与底层算力结合的最前沿，技术壁垒极高，个人核心竞争力强
- 依托顶尖研究平台，能接触前沿的AI算法与海量算力资源，技术视野开阔
- 芯片架构师属于行业稀缺人才，职业生命周期长，经验越丰富越具价值
- 需要同时精通AI算法与底层硬件，跨学科学习曲线陡峭，技术难度极大
- 架构设计容错率低，前期仿真与探索需要极大的耐心与严谨的逻辑思维
- 适合对底层硬件和AI算法都有浓厚兴趣，具备极强钻研精神和跨学科学习能力的复合型技术极客
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深芯片架构师、AI芯片技术专家方向发展，成为底层算力领域的顶尖人才
- 也可转型为AI芯片产品线技术负责人，统筹从算法到硅片的端到端落地
- 分析主流生成式AI模型（如LLaMA、Qwen）在CPU/GPU/NPU上的性能瓶颈与内存占用
- 设计AI芯片的关键硬件模块架构，包括数据通路、控制逻辑及计算/访存接口
- 构建高精度的硬件架构仿真器及性能、面积、功耗（PPA）模型
- 基于仿真结果进行架构探索，为实际硬件芯片设计提供理论依据与优化方向
- 扎实的计算机系统与芯片微架构（特别是GPU/NPU）底层知识
- 较强的编程、脚本编写及数据分析能力，能熟练处理性能测试数据
- 熟悉深度学习框架（如PyTorch）及大模型推理框架（如vLLM）的底层运行机制
申请策略
- 准备一份详细的技术作品集或论文/专利列表，特别是关于硬件架构探索或AI模型性能分析的研究
- 了解达摩院在AI芯片领域的最新公开论文和技术博客，展现对团队技术方向的关注
- 突出在芯片微架构设计、性能建模或AI模型部署优化方面的实际项目经验
- 展示使用Gem5、SST等仿真器或Timeloop等建模工具的具体成果与数据
- 强调对PyTorch、vLLM等框架的底层理解、源码阅读或算子优化经验
- 深入学习大语言模型的推理机制与显存优化技术（如KV Cache、PagedAttention）
- 熟悉主流AI芯片（如NVIDIA GPU、国产NPU）的底层架构、指令集与内存层级
面试指南
- 采用STAR法则，重点突出“问题定义-建模/仿真方法-架构调整-PPA收益”的完整闭环
- 采用“算法特性分析 -> 硬件资源映射 -> 瓶颈定位 -> 架构级优化方案”的逻辑链条进行解答
- 请详细描述你如何使用Gem5或SST进行芯片架构仿真，并分享一个你通过仿真优化架构设计的实际案例
- 针对LLaMA或Qwen这样的大语言模型，你认为其在GPU/NPU上运行时的主要性能瓶颈和内存占用痛点是什么？你会如何从硬件架构层面进行优化？
- 在设计数据通路或计算/访存接口时，你是如何平衡性能、面积和功耗（PPA）的？
- 请谈谈你对vLLM或LightLLM等推理框架底层机制的理解，它们对硬件架构提出了哪些新要求？
- 复习计算机体系结构经典理论，并结合最新的大模型推理特性（如注意力机制的硬件实现）进行思考
- 准备1-2个自己主导的架构探索或性能优化深度案例，能够讲透技术细节和权衡过程
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
作为核心研究团队的资深技术岗，薪资水平在行业内具有较强竞争力，且平台提供了较好的稳定性和福利保障。
薪资信号未披露（AI估算：4千–8万/月）
成长发展
95较高
岗位处于AI与芯片交叉的最前沿，技术壁垒极高，能接触到顶尖的算法与硬件资源，个人技术成长与行业影响力空间巨大。
技术前沿前沿/新兴技术
技术栈生成式AI、GPU/NPU、Gem5、SST、Timeloop、Maestro、PyTorch、vLLM
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与加班情况，但作为核心研发架构岗，通常工作节奏较快，WLB情况需视具体团队而定。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
致力于突破AI大模型的底层算力瓶颈，推动前沿AI芯片架构的发展，具有极高的技术使命感与行业社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs